2021年的特斯拉AIDay,特斯拉PPT首发了人形机器人TeslaBot的概念机设计方案。按照马斯克画的大饼,TeslaBot可以完全代替人类“从事重复性/无聊的工作”。
也许是担心在场观众干看PPT无聊,马斯克请来了一位身着紧身衣的皮套人,模仿TeslaBot尬舞了一段。
AIDay结束,科技媒体TheVerge表示,马斯克的TeslaBot就是个笑话[1]。文章还援引中央兰开夏大学机器人工程教授CarlBerry的评价:说它是马粪都算抬举它了(horseshitsoundsgenerous,frankly)。
CarlBerry还专门搬出机器人领域的网红公司波士顿动力,认为后者正在踏踏实实做事,而特斯拉在加深公众对机器人不切实际的幻想。
今年4月,特斯拉的皮套人尬舞再度被拉出来鞭尸。在波士顿动力展示新款机器人的视频中,机器人以一种灵活到有些诡异的方式从地上站起来。
波士顿动力也在推特上阴阳怪气了一句:“我们保证这不是一个穿着紧身衣的人。”
事情的起因是,波士顿动力宣布11岁“高龄”的人形机器人Atlas正式退休——Atlas算得上是初代机器人网红,它被波士顿动力员工一棍子撂倒,接着踉踉跄跄爬起来的视频,一度引发了“停止霸凌机器人”的后现代哲学思考。
结果Atlas领退休金的第一天,“焕新版”Atlas正式出道。最大的变化是,波士顿动力抛弃了原有的液压结构,改为电机驱动。
目前,“焕新版”Atlas的宣传片已经在YouTube上收获了500多万播放量。
相比Atlas熟悉的后空翻大劈叉,相较之下,去年年底的第二代TeslaBot才刚学会缓慢行走和90度深蹲。
加上马斯克近几年大饼画得太多,也不难理解TheVerge会提出“机器人为什么要像人”的质疑。
然而,可能恰恰是2021年PPT上的TeslaBot和滑稽的皮套人尬舞,决定了波士顿动力的命运。
谷歌发现了什么?
相比荒诞开场的TeslaBot,波士顿动力这家公司是机器人领域根正苗红的祖师爷。
波士顿动力成立于1992年,前身是麻省理工学院的腿部实验室,长期致力于有腿机器人的研究。
2012年,DARPA(美国国防高级研究计划局)为了推动机器人研究,资助了一场机器人挑战赛,波士顿动力由此进入美国军方的视野。
DARPA是五角大楼旗下的研究机构,和NASA一起诞生于美苏争霸的白热化时期,目的是借助国家意志确保美国在高科技领域的领先。只不过NASA负责地球以外,DARPA负责地球以内。过去几十年间,DARPA直接或间接地推动了GPS、互联网等技术的诞生。
2012年,正值DARPA在机器人、自动驾驶等领域大力投资,为了降低参赛门槛,DARPA希望能有一款标准化的人形机器人,供参赛团队编程。
在这之前,波士顿动力已经为DARPA开发了多款产品,比如外型神似野猪的LS3,能够穿梭于各种极端战场环境,快速运送物资。
2013年7月,在DARPA的资助下,波士顿动力打造出了身高1.88米,重达150千克的初代Atlas。这个新闻很快传到了谷歌的耳朵里,波士顿动力的命运随之改变。
当时,谷歌正在秘密筹备一个代号为“Replicant(复制人)”的机器人项目,由“安卓之父”安迪·鲁宾亲自带队。按照鲁宾的设想,谷歌将打造一个编程平台,从而推动机器人普及,最终在机器人身上复刻安卓系统的成功[3]。
为了这个庞大的计划,谷歌疯狂扫货,一口气收购了九家机器人初创公司,Atlas问世不到半年,波士顿动力就被谷歌收入囊中。此后,Atlas的迭代速度也坐上了火箭。
2016年,波士顿动力毫无征兆地发布了一则新款Atlas的演示视频,视频中Atlas熟练地行走跳跃,尤其是被推倒在地后,仍能自主起身继续完成工作,整个过程栩栩如生,带给公众的震撼不亚于2022年底ChatGPT的问世。
?
目前,这条视频的Youtube播放量已经积累到了4059万。2017年,Atlas再接再厉,用一个精彩的后空翻再度把波士顿动力送上全球热搜。
Atlas表演后空翻,2017年
然而,就在波士顿动力风头正盛的2017年,投资了五年之久的谷歌却将其甩卖。按照彭博的说法,谷歌管理层的核心分歧在于商业化。
波士顿动力希望埋头研究,但谷歌希望尽快打造能商业化的产品:“我们不可能用30%的资源去投入一个需要10年以上的项目[4]。”
在彭博的报道中,丰田和亚马逊都是潜在的买家,但波士顿动力最终被卖给了软银,2020年又被卖给了韩国现代。
谷歌内部,安迪·鲁宾因性丑闻被扫地出门,Replicant项目也草草收场,划上一个满是遗憾的句号。
一家明星公司在当打之年被潦草脱手,谷歌内部真实的决策过程难以知晓。但在这个过程中起到决定性作用的,很可能是2017年发生在谷歌内部的另一件事。
我来组成头部
2017年6月,谷歌的8位AI科学家联名发表了一篇名为AttentionIsAllYouNeed的论文。这是继2012年AlexNet勇夺ImageNet挑战赛冠军之后,人工智能发展史上的又一个里程碑事件。
谷歌的科学家在论文里提出了一种“注意力机制”,并基于此开发一个名叫Transformer的深度学习模型,解决了传统RNN模型的一系列问题。
2020年,谷歌又提出了VisionTransformer(ViT)概念,赋予了Transformer处理图像的能力。
随着Transformer一口气解决了众多缺陷,它渐渐发展成了AGI领域的唯一解。
2012年的AlexNet让AI有了“感知”的能力,而Transformer和之后的大模型让AI有了“生成”的能力。换句话说,2012年的AI可以识别出各种各样的猫,2017年之后的AI已经可以自己生成猫的图片了。
因此,Transformer的推出直接开启了今天的大模型时代,2018年6月,OpenAI推出了基于Transformer模型的GPT-1,GPT里的“T”,就是Transformer的首字母。此后,OpenAI沿着这条路线持续迭代,并基于GPT模型开发了ChatGPT。
在大模型百花齐放的同时,Transformer也为人形机器人的进步打开了一扇窗户。
传统机器人大多基于特定的规划执行特定的操作,比如运输、分拣,不具备感知和决策能力。人形机器人不仅能与物理世界交互,还有感知和理解能力。
举一个不太恰当但好理解的例子:送餐机器人执行“把外卖送到1203号房”这个任务时,并不理解什么是“外卖”和“1203号房”,只是根据软件系统既定的指令和路线规划完成任务。
但人形机器人可以借由智能化,理解物理世界各种物体、语言和文字的含义,并自主规划和决策。也就是说,机器人可以不依赖预先的编程,就能完成诸如“关掉最上层抽屉”等较为模糊的指令。
波士顿动力的问题在于,无论Atlas的机械与动力结构多么优秀,都无法解决“穷举法”的问题。
Atlas的软件原理是通过摄像头与传感器输入外界环境数据,再根据提前创建的行为库,执行对应的动作。在其官方的文档里,波士顿动力坦诚了这么做的弊端:“如果盒子向一侧移动了0.5米,那么Atlas会找到并完成跳跃;如果盒子移动得太远,那么系统将停止[5]。”
由于Atlas的所有动作都依赖提前设计的模版,那么,真实环境的一点点变化,都可能让机器人无所适从。这也是为什么传统机器人只被用于环境、路线和职能极度固定的工厂、酒店送餐等场景。
而Transformer带来的思路是,只要让机器学习足够多的数据,就能拥有类人的智能,可以脱离预设的规划进行自主决策。
去年7月《纽约时报》探班谷歌实验室,完整记录了基于RT-2模型的机器人智能闪现的瞬间:桌子上放着一堆塑料玩具,工程师让单臂机器人“捡起灭绝的动物”,机器人拿起了恐龙。
这意味着机器人不仅能识别三种动物,也能理解“灭绝的动物”的含义,还可以完成具体的操作。
Transformer的出现彻底改变了机器人的技术路径,在感知-决策-执行的完整链条中,核心能力不再是驱动机器人后空翻大劈叉的机械结构,而是组成机器人大脑的软件算法。
人工智能的进步在各行各业上演着软件对硬件的夺权,机器人只是其中之一。
另一个正在由软件定义的行业是自动驾驶,这也是为什么马斯克会说:当你能解决自动驾驶,你就能解决现实世界中的人工智能。
特斯拉的三张牌
特斯拉在AI世界的出场,常常呈现某种荒诞不经的色彩。
2022年特斯拉备受期待的TeslaBot第一次“真人”亮相,居然要依靠三名壮汉搀扶。两个月后ChatGPT横空出世,TeslaBot成了一块无人问津的背景板。
然而,特斯拉在机器人领域的积累,可能比任何一家公司都要深厚。
自动驾驶本质上是机器人的一个“前置产业”,两者的核心都是基于人工智能,实现感知-决策-执行的完整链条。
这就意味着无论是软件层面的算法,还是硬件层面的视觉传感器、FSD芯片等零部件,理论上都可以用于人形机器人。
特斯拉也的确是这么做的:TeslaBot共配置有3颗摄像头,左右眼各一个,外加一颗鱼眼广角。芯片是和特斯拉电动车一模一样的FSD自动驾驶芯片。软件上,TeslaBot也承袭了自动驾驶的技术方案。
2023年特斯拉股东大会,马斯克也确认了这一点:特斯拉已经打通了自动驾驶芯片FSD和机器人的底层模块,实现了一定程度的算法复用。
任何人工智能的发展都需要算法、算力、数据三驾马车来拉动,算法决定了计算机用什么方式识别事物;但算法又需要足够大的算力来驱动;同时,算法的提升又需要大规模高质量的数据;三者相辅相成,缺一不可。
算法和算力层面,特斯拉已经借助电动车业务,完成了从云端(D1)到终端(FSD),核心软硬件的自研。
数据层面,2022年的AIDay上,特斯拉宣称已经存储的有价值训练数据集有23.2万帧,验证数据集0.38万帧。上百万车主正在源源不断地为算法训练贡献着数据。
马斯克本人在AI领域的涉足也常被忽略,他是OpenAI的创始人之一,也是DeepMind的早期投资人。他参与的人工智能公司还有脑机芯片Neuralink、聊天机器人Grok。特斯拉每天接受并处理的视频画面超过1600亿帧,这很可能是商业公司能拥有的最大的真实世界数据集。
波士顿动力很可能意识到了这个问题,但“焕新版”Atlas最大的改变,是从液压改为全电动,最大的好处可能是降低成本。
在一次采访中,创始人MarcRaibert曾表示Atlas在一定程度上激励了马斯克制造TeslaBot的想法。但在人工智能残酷的竞争中,波士顿动力已经落后太多。
波士顿动力的问题在于,他们用了20年的时间试图教会机器人如何“运动”,但实际上,机器人应该先学会“思考”。
或许在不久的将来,判断机器人的智能化程度,可能不是看它会不会后空翻大劈叉,而是能不能从九张图片中选出包含红绿灯或摩托车的图片,或者滑动滑块使图片位于正确的角度。
参考资料
[1]Don’toverthinkit:ElonMusk’sTeslaBotisajoke,TheVerge
[2]ModestDebutofAtlasMayForeshadowAgeof‘RoboSapiens’,TheNewYorkerTimes
[3]Google’sAndyRubinPursues‘Replicant’Robots,TheInformation
[4]GooglePutsBostonDynamicsUpforSaleinRoboticsRetreat,bloomberg
[5]FlippingtheScriptwithAtlas,BostonDynamics
[6]ElonMuskwaslikelyinspiredbyBostonDynamics'humanoidrobot,itsfoundersays,Businessinsider